Refinement of template-based protein model structures

Abstract

Contemporary template-based modeling techniques allow applications of modeling methods to vast biological problems. The proportion of proteins that template-based modeling can generate reasonably accurate models is rapidly increasing due to the continuous growth of both structure and sequence databases. However, they tend to fail to provide accurate structures for less-conserved local regions in sequence even when the overall structure can be modeled reliably. These regions in template-based models are named as unreliable local regions (ULRs). Accurate modeling of ULRs is of enormous value because they are frequently involved in functional specificity. In this thesis, a new method for template-based model refinement is introduced by which ULRs are intensively refined with protein loop modeling techniques. The method attempts to model three types of ULRs in template-based models, loop, terminus, and secondary structure segments with related approaches. These methods follow a general global optimization procedure, guided by hybrid-type energy function combining physico-chemical force fields with statistical potentials. During global optimization, relatively accurate framework structure is fixed and sophisticated loop modeling technique is applied to ULR as a geometric operator to enhance sampling efficiency. Large-scale tests are carried out for intensive reconstruction of ULRs in native structure as well as in CASP (Critical Assessment of techniques for Protein Structure prediction) template-based model structures. In addition, the method is extended to simultaneous modeling of template-based model structure with ULR. In all tests ULR structures are improved over initial template-based models. The results show that a careful application of loop modeling supported by theories from physical chemistry and bioinformatics can be a promising avenue for model refinement in template-based modeling.

최근 들어 주형기반 단백질 구조 예측 기법은 다양한 생명과학 관련 문제들에 적용되고 있다. 지속적인 단백질 구조 및 아미노산 서열 데이터베이스의 증가 덕분에, 주형기반 모델링 방법이 그 구조를 정확히 예측해낼 수 있는 대상 단백질의 비율이 갈수록 증가하고 있다. 이 방법은 단백질의 전체적인 구조는 잘 예측해내지만 아미노산 서열상 잘 보존되지 않는 구조 영역은 좋은 구조를 만들어내지 못하는 한계가 있다. 주형기반 단백질 모델링에서 바로 이런 영역을 본 논문에서는 ULR (국소 문제 영역, Unreliable local region)이라 부르기로 한다. 이 논문에서는 단백질 루프 모델링 방법을 접목하여 ULR들을 집중적으로 정밀화하는 방법을 소개하고자 한다. 이 방법은 주형기반 단백질 구조에서 나타나는 세 가지 서로 다른 ULR들, 루프, 말단부, 이차구조 조각에 대해 유사한 접근 방법을 취한다. 이 방법에서는 물리화학 및 통계적 에너지의 조합으로 이뤄진 하이브리드 에너지 함수에 의해 광역 최적화를 진행한다. 광역최적화 동안 단백질의 전체적 뼈대 구조는 고정된 가운데 ULR에 대해 국소적으로 루프 모델링 기법을 동원하여 구조 샘플링을 한다. 이 연구에서는 ULR의 집중 정밀화를 고유 구조에서의 구조 재구성뿐 아니라 CASP (Critical Assessment of techniques for Proteins Structure Prediction) 주형기반 모델링 구조들에 대해서도 광범위하게 테스트하였다. 더 나아가 ULR 뿐 아니라 주형기반 단백질 전체 구조를 동시에 정밀화하는 방법으로도 확장하였다. 모든 테스트에 대해 ULR 구조들은 초기 주형기반 구조에 비해 향상됨을 발견할 수 있었다. 본 연구 결과는 물리화학과 생물정보학에 기반한 단백질 고리 모델링 기법 적용이 주형기반 단백질 구조 정밀화에 기여하는 새로운 방법임을 제시하고 있다.